C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:047 y; L! M/ ~3 Z$ D) W/ x3 T5 `
拉下来？拉多少？- G* U; p* A$ v
把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
. C; c( G8 U9 T3 kMaybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54
! p7 ?6 S d: A; I/ Ovoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
3 W0 w% v( s; _1 M x6 g K{
- V% D+ A$ v7 Q9 l comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20+ r6 B! `1 ?, K: p1 `. N/ E( ^& M
这个不是这么比的吧。。。9 m4 c6 [1 @1 a$ E2 L1 [6 ?

4 O5 ?/ w) ?$ Y9 e( w您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:462 m2 i. u$ Q5 d3 p
有道理。
. Y5 J/ F& M% l! ?% p. Q所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
. k' j) K8 v8 L/ L8 o( J这个不是这么比的吧。。。
$ q; Z4 W. K8 j) X1 y+ D+ u
9 ~0 I1 d& D) z: u您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48/ E0 R( e% G7 z4 m0 ]8 U" m. r: g
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27; d; `$ [/ X4 ?6 @' [( l
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:474 ]5 p& R+ R! t9 ~8 j2 e% H+ C
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47( v, a+ y3 H9 S% `
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:580 Y7 D" ~0 x F' ^
能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);$ A% E$ y0 r2 C2 N$ L
      std::vector < float > vec2(N);' K/ S. P* j# `. A3 T0 e! o
      float* b1 = new float[N];, Z$ h9 ]: U7 M: u8 R
      float* b2 = new float[N];5 f' ^+ {  b! w! H! m0 D

  P6 ~$ L4 U& ]6 y       for (int j = 0; j < 6000; j++)7 ~0 J: [( @5 R6 _5 P
      {0 o0 N- \/ H. B3 h
            std::generate(vec1.begin(), vec1.end(), []() {1 _) _1 [6 M: z5 h/ f$ Z7 v
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
2 n6 K" {0 a$ E1 c3 f6 {2 J3 ~                      });
! N% g- j8 Q6 H% ^: [3 t% |
! m: P- o! P9 I             std::generate(vec2.begin(), vec2.end(), []() {8 `3 T4 O( u8 S2 R( z- c) \: |
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;$ o4 t$ }3 c4 S; B5 [. o
                     });/ O9 f5 ?, G9 Z8 ~! [

* C2 _( u& t! ^             for (size_t jj = 0; jj < vec1.size(); jj++); s( u# _# b0 r, u' ?& u
            {
! m5 r0 k: n6 o                      b1[jj] = vec1[jj];
9 X8 a6 F" Z5 {9 k0 T9 ^             }. o8 m: V; b2 h: C/ [7 Q( c
+ y6 S3 I4 y% p6 d
            for (size_t jj = 0; jj < vec2.size(); jj++)
2 f, p! g. G9 Y4 n             {
/ o. ?' z& ?/ o: B9 i7 O                      b2[jj] = vec2[jj];
9 r0 q% K* w2 r; u" x             }
, p6 h" e. i2 X
8 J  h. ?- E: C$ }             //Method - 1  N=100000 247s  & z$ G; p: r2 V/ K: l! n
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);6 h, `- r; M+ L' G* i0 [

# h* p" j- b: @# [/ t9 ~" E  e             //Method - 2  N=100000  237s
2 F6 G! e8 N/ G/ D1 c1 f+ Z  U2 t             /*. ]( l/ S- {1 t+ S% T: i( D
            for (int jj = 0; jj < N ; jj++)5 _# N! e2 |0 x1 C/ K. o! k" t# }
            {/ P2 j0 S: X9 _7 p
                     fresult += vec1[jj] * vec2[jj];
5 N; f! ]7 r2 n. p+ H- e             }
2 K) \3 [/ i% t1 D. b$ F" Y, A  b             */$ T, ^- C- q9 L" G! g; r
                              # Z- @. |# V0 e) g8 v$ x' _8 v2 W
            //Method - 3  N=100000 204s
7 |* `5 |' C1 V" X. b             /*
" J$ D$ U$ G6 V. p/ H/ F             for (int jj = 0; jj < N; jj++)
' G# R6 u6 B' K1 z% A3 |             {
5 l. c# ~. [3 q6 o" F2 e; j                      fresult += b1[jj] * b2[jj];
2 O' ?+ W2 R4 ]5 M7 W/ g             }
/ H; b) C4 b! p+ Q+ C4 C             */+ I+ O8 _' x" ^
8 O  u" r3 k3 Y; j
            //Method - 4 202s
4 n- p* `$ A2 H0 `( D5 R, y" L             /*/ X7 q1 N+ P8 M/ v: y9 p
            for (int jj = 0; jj < N; jj++)
. k* d0 p! u8 p2 v             {& J; U. P  R4 O  Z

2 i6 P/ y* m" U             }# a7 i: Z) I6 f
            */3 {, \/ R* ?( d2 Q2 l5 O
            //comment out all methods, N=100000  202s             . C8 H2 P4 l) W% \# J' k
      }
0 K; t: z/ [: x, h! b8 g* v6 a. S8 H" p. \0 f2 ~4 L
      delete []b1;
8 m) J5 ^. N; t& K: C* `       delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:159 ^' ^& J7 t' N/ Z6 H$ n
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？( Z# e4 _) z5 F7 |1 ^: W0 n/ d9 `

' R8 J/ `9 g5 {$ _* W你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16; `% n3 c" _: L% M0 d& S
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
2 c: B1 ] Q$ [' e0 B0 L9 E. F( X7 M) b* O4 r/ \
不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
! v$ z4 d- Z) S- ?9 O# N! @void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
' V1 Q# C2 v! {- |% @7 |{2 p2 Q( J/ y! Q( ?% U7 W& n
comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块